快捷導航

OpenCV-Python實現(xiàn)油畫效果的實例

更新時間：2021年06月08日 15:47:21 作者：一天一篇Python庫

OpenCV是功能強大的計算機視覺庫，本文主要使用OpenCV來實現(xiàn)圖片的油畫效果，需要的朋友們下面隨著小編來一起學習學習吧

油畫的實現(xiàn)原理

油畫簡單的理解是帶有藝術(shù)感的圖像，色彩相對于原圖要更加鮮艷，但卻是失真的。

而且對于喜歡欣賞藝術(shù)的讀者，肯定或多或少關(guān)注過油畫，油畫并不細膩，而且小部分因為色塊的堆積非常模糊。所以，我們實現(xiàn)油畫的原理是：逐行對圖像進行處理，使周圍相鄰距離的像素進行打亂。

至于打亂的算法，你可以隨機設(shè)計。不過，需要注意的是在處理到圖像邊緣時，比如左下角最后一個像素，那么如果打亂其像素，取右邊的顯然不可取，因為右邊沒有像素會導致數(shù)組越界。所以在處理油畫時，可以人為的剪掉部分邊緣像素用于混淆。

還有，油畫因為用色大膽，所以我們需要增強圖像的色彩空間。而python的PIL庫有一個現(xiàn)成的類ImageEnhance。該類專門用于圖像的增強處理，不僅可以增強圖像的亮度，對比度，色度，還可以增強圖像的銳度，因此我們實現(xiàn)油畫可以通過它快速實現(xiàn)圖像增強的操作。

下面，我們來看看其圖像增強如何實現(xiàn)。代碼如下：

enh_col=ImageEnhance.Color(img)
color = 2.0
new_img = enh_col.enhance(color)

此處的img是PIL讀取的圖片，如果想PIL讀取圖片轉(zhuǎn)到OpenCV讀取圖片的格式可以通過如下代碼完成：

new_img = cv2.cvtColor(np.asarray(new_img), cv2.COLOR_RGB2BGR)

其中，new_img為PIL讀取的圖片格式。

而enhance函數(shù)的參數(shù)color代表了圖像色彩的豐富程度和飽和度，數(shù)值為1時保持色度不變，數(shù)值增加表示色度比例增加，以此達到圖像增強的效果。

實現(xiàn)油畫效果

既然已經(jīng)了解了實現(xiàn)油畫效果的原理。下面，我們直接上代碼來完成油畫的操作。具體代碼如下所示：

# 油畫效果
def oil_effect(img):
    h, w, n = img.shape
    new_img = np.zeros((h - 2, w, n), dtype=np.uint8)
    for i in range(h - 2):
        for j in range(w):
            if random.randint(1, 10) % 3 == 0:
                new_img[i, j] = img[i - 1, j]
            elif random.randint(1, 10) % 2 == 0:
                new_img[i, j] = img[i + 1, j]
            else:
                new_img[i, j] = img[i + 2, j]
    return new_img


# 圖像增強
def img_add():
    img = Image.open("oil.jpg")
    enh_col = ImageEnhance.Color(img)
    color = 2.0
    new_img = enh_col.enhance(color)
    new_img = cv2.cvtColor(np.asarray(new_img), cv2.COLOR_RGB2BGR)
    return new_img


if __name__ == "__main__":
    img = cv2.imread("49.jpg")
    oil_img = oil_effect(img)
    cv2.imwrite("oil.jpg", oil_img)
    cv2.imshow("0", img)
    cv2.imshow("1", img_add())
    cv2.waitKey()
    cv2.destroyAllWindows()

運行之后，效果如下：

油畫效果

水彩效果

像油畫效果一樣，水彩效果也可以用單行代碼完成，但不包括導入和圖像讀取。

cv2.stylization()

import cv2

img = cv2.imread('img.jpg')

res = cv2.stylization(img, sigma_s=60, sigma_r=0.6)

# sigma_s controls the size of the neighborhood. Range 1 - 200

# sigma_r controls the how dissimilar colors within the neighborhood will be averaged. A larger sigma_r results in large regions of constant color. Range 0 - 1